基于二阶鲁棒滑模观测器的民用涡扇发动机气路故障诊断

针对状态估计器在航空发动机气路参数估计中响应迟缓、鲁棒性不强等问题,以未知输入重构的思路,提出了一种基于Super-twisting滑模观测器的航空发动机气路故障诊断方法。通过将健康参数考虑为未知输入,设计滑模切换项重构健康参数的变化量,由于避免了状态估计器设计中健康参数导数为零的假设,本文的方法在处理突变故障时拥有更快的响应速度。针对鲁棒性问题,提出了一种新的故障向量增广形式,通过将扰动项增广至健康参数向量中,观测器的重构信号能够同时估计出健康参数变化量以及扰动项的大小,实现扰动与部件故障的解耦,从而避免了不确定项对健康参数估计结果的影响。本文建立了民用涡扇发动机包线范围内的线性变参数模型,通过不同故障模式下的数值仿真,并与状态估计器比较,验证了方法的有效性。结果表明,设计的滑模观测器具有小于0.5%的估计误差,有效地提高了气路健康参数的估计速度,增强了对不确定性的鲁棒性。     

基于多源诊断信息融合的发动机气路分析

针对气路可测信息的有限性及不确定性易导致航空发动机气路分析结果准确度和精度不高的问题,提出了一种基于贝叶斯网络的多源诊断信息融合机制,以提高气路部件故障诊断的准确度和精确度.介绍了基于贝叶斯网络的气路分析方法,在此基础上提出了改进的用于多源诊断信息融合的气路分析贝叶斯网络,即以常规的气路可测参数为主,而其他诊断信息则借助故障模式先验概率表引进贝叶斯网络,实现多源信息的融合.仿真实验表明:通过融合多源信息能够准确地诊断出传统的气路分析难以识别的故障,同时降低了健康参数估计值的方差,提高了诊断结果的精确度;在观测噪声放大一倍、健康参数变化量小于1%的情况下,通过融合多源信息仍能准确的估计出健康参数变化量,且标准差均于0.1%.      

基于超球体平方根无迹Kalman滤波算法的涡扇发动机气路部件故障诊断

研究了一种超球体平方根无迹Kalman滤波算法用来有效跟踪涡扇发动机气路部件发生渐变性和突变性故障的健康参数.该算法通过超球体单形采样来降低算法的计算量,采用测量残差协方差阵的平方根代替方差阵进行递推运算,提高了算法的计算效率和数值稳定性.分别采用扩展Kalman滤波算法、无迹Kalman滤波算法和超球体平方根无迹Kalman滤波算法对某型涡扇发动机进行仿真,结果表明:超球体平方根无迹Kalman滤波算法的滤波时间减少50%左右,能够实现渐变性和突变性故障中健康参数的准确估计,是一种有效的涡扇发动机气路部件参数估计和故障诊断方法.      

基于信息融合遗传算法的航空发动机气路故障诊断

针对航空发动机由传统定期维修向视情维修转变的发展趋势,研究了遗传算法在气路性能参数估计中的应用,提出了改进的基于信息融合的遗传算法,将多源信息融合到遗传算法中,用以减小遗传算法的搜索范围.仿真结果表明:通过融合多源信息,有效克服遗传算法在寻优过程中陷入局部最优的情况,从而提高了气路性能参数的估计精度,能将估计误差控制在5%以内.      

Digital twin model of gas turbine and its application in warning of performance fault

The digital twin-driven performance model provides an attractive option for the warn gas-path faults of the gas turbines. However, three technical difficulties need to be solved: (1) low modeling precision caused by individual differences between gas turbines, (2) poor solution efficiency due to excessive iterations, and (3) the false alarm and missing alarm brought by the traditional fixed threshold method. This paper proposes a digital twin model-based early warning method for gas-path faults that breaks through the above obstacles from three aspects. Firstly, a novel performance modeling strategy is proposed to make the simulation effect close to the actual gas turbine by fusing the mechanism model and measurement data. Secondly, the idea of controlling the relative accuracy of model parameters is developed. The introduction of an error module to the existing model can greatly shorten the modeling cycle. The third solution focuses on the early warning based on the digital twin model, which self-learns the alarm threshold of the warning feature of gas-path parameters using the kernel density estimation. The proposed method is utilized to analyze actual measured data of LM2500 +, and the results verify that the new-built digital model has higher accuracy and better efficiency. The comparisons show that the proposed method shows evident superiority in early warning of performance faults for gas turbines over other methods.     

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。     

民用航空发动机状态监视和故障诊断系统研究

北京飞机维修工程公司、北京航空航天大学、中国民航学院、东方航空公司联合发展了用计算机进行发动机状态监视和故障诊断的系统EMD, 已在国内最大的两家航空公司试用成功。对B767、B747、A310共13架大型客机的40台发动机进行状态监视和故障诊断, 取得良好的经济效益。      

双轴分排涡扇发动机气路故障诊断测量参数选择方法

针对地面台架试车气路故障诊断测量参数的优化选择提出了一种四步优化方法.该方法包括测量参数敏感性分析、部件性能参数相关性分析、影响系数矩阵条件数分析和遗传算法检验.第1步选择出了总空气流量;第2步选择出了风扇出口总温和压气机出口总温;第3步选择出了12种对故障诊断有利的测量参数组合;第4步选择出了最有利于故障隔离的测量参数组合.利用遗传算法进行单一故障辨识的结果表明:所选的12种测量参数组合的适应度都大于0.85,接近于最优的适应度1.对于最有利的测量参数组合,利用遗传算法的故障辨识验证结果表明,其适应度均大于0.9,验证了四步优化方法的有效性.      

基于ReliefF-LMBP算法的涡轴发动机气路故障模式识别—两机专刊

针对涡轴发动机气路故障模式识别精度不高的问题,提出了一种基于ReliefF-LMBP故障特征提取的发动机故障模式识别方法。应用ReliefF算法对发动机传感器参数赋予权值,对传感器参数特征权重值进行迭代更新和排序,聚集好的特征样本,离散异类样本。根据筛选出的特征子集,利用LMBP神经网络算法进行发动机故障模式识别。以涡轴发动机为对象进行气路故障诊断验证,结果表明所提方法能提取特征传感器参数并实现有效的故障模式识别。     

基于过渡工作过程的航空发动机气路分析方法

为对发动机机动性能的退化程度进行估计,开展了基于过渡工作过程的气路分析研究。针对气路传感器数目较少的情况,采用序列工作点方法对大量的健康参数进行分析,在增加可用信息量的同时,降低了由多工作点方法的平均效应引入的参数估计系统误差。为解决发动机大偏差性能退化健康参数估计中的计算收敛性问题,提出了间接递归牛顿-拉夫逊法强化非支配分类差分进化算法。针对某型双轴分排涡扇发动机的气路分析结果表明：采用本文所提出的方法能够在气路传感器数目有限的条件下,利用发动机过渡态数据实现对大偏差范围内大量健康参数的高效、准确估计。     

基于动态集成算法的航空发动机气路参数预测

针对单一学习机对航空发动机气路参数预测困难的问题,提出了基于动态加权核密度估计（DWKDE)组合方法的集成预测算法,该组合方法选择测试样本的近邻样本,通过评估学习机在近邻样本的局部性能动态确定各学习机的权值,并基于该权值利用加权核密度估计实现数据序列的集成预测。该组合方法不易受离群值和样本不对称分布的影响,将该组合方法用于AdaBoost.RT和AdaBoost.R2算法,获得了改进后的集成学习算法。实验证明:相比于神经网络和原始集成学习算法,改进后的集成学习算法较好地提高了航空发动机气路参数序列的预测精度,方均根误差（RMSE)指标至少可降低27%。      

航空发动机气路故障诊断的平方根UKF方法研究

设计了适用于双轴涡扇发动机健康参数估计的平方根UKF滤波算法,解决了线性卡尔曼滤波器估计结果准确性依赖于线性模型精度;常规UKF算法中由于计算误差及噪声信号影响引起误差协方差矩阵负定而导致滤波结果发散等问题.提出了根据测量残差变化改进滤波收敛速度与稳定性的方法.发动机渐变与突变故障模式下仿真结果表明,平方根UKF估计算法收敛速度快,稳定性强,精度高,是一种有效的发动机气路部件健康参数估计与故障诊断方法.      

涡扇发动机高压涡轮前温度组合估计方法

考虑到目前暂无法实现机载条件下高压涡轮前温度直接、可靠的测量,提出一种用于涡扇发动机高压涡轮前温度估计的方法.基于涡扇发动机的能量守恒原理,建立高压涡轮前温度与气路参数的热力学关系,进而推导出高压涡轮前温度的6个估计模型.将各温度模型中不易测量的参数以整体的形式作为温度模型系数,并利用某涡扇发动机性能仿真模型建立温度模型系数与可测状态参数的多项式关系,最终确立高压涡轮前温度的组合估计模型.验证结果表明:组合估计方法在发动机健康及性能衰退状态下都具有较高的精度,其性能最好模型的方均根误差不超过1%.与已有线性拟合、神经网络等方法的对比也表明组合估计方法不论在精度还是性能稳定性方面都具有明显优势.      

基于自组织拓扑映射图的发动机故障诊断研究

根据SOM自组织网络的高维数据矢量量化、快速聚类、信息融合和拓扑映射等特征,建立了发动机故障诊断可视拓扑映射图模型,给出了映射模式误差测度和拓扑误差测度,并通过拓扑映射图对发动机故障进行诊断,获得了很好的效果。同时,进一步通过建立的故障模式的测量参数灰度图,可以清晰地观察到故障模式矢量特征、测量参数相关性特征、参数变化趋势,并可进行更深层次故障机理分析。     

涡扇发动机气路故障定量诊断的BP网络研究

为了克服ＢＰ算法收敛速度慢的问题,提出了一种基于混合学习规则的ＢＰ算法,并采用模归一化方法,成功地定量组织了故障的学习样本,建立了能够定量分析发动机气路部件故障的人工神经网络（ＢＰＮ）。通过分析测量系统随机误差的影响和实际试车数据的效验结果,表明该网络具有较强的推广能力及适应性,能基本满足故障定量诊断的要求,并具有较好的工程实用性。     

基于特征值和特征向量的测量参数选择

研究了航空发动机气路故障诊断中测量参数如何选择的问题。利用发动机故障诊断矩阵，提出了基于特征值和特征向量比较不同测量参数选择系统之间优劣的简易快速算法，该算法可以从几何角度直观地展现整体解空间和解矢量的方向等变化情况。通过一个单轴涡喷发动机测量系统对比案例有效地表明:地面测试系统的最大与最小特征值比为33，机载系统的最大与最小特征值比为1008，在该单轴涡喷发动机气路故障诊断方面，地面测试系统比机载系统明显更有利于气路故障诊断。该算法可用于优化机载发动机测量传感器布局、台架测量系统中测量传感器布局，指导工程中测量参数的选择等。      

舰船燃气轮机气路测量参数的理论选择方法

针对舰船燃气轮机气路性能监测诊断的有效性要求,归纳总结了气路测量参数选择要求,提出了1套系统完整的燃气轮机气路测量参数的理论选择方法。在可测量和易测量要求及测试精度要求的初步选择基础上,依次采用影响系数、相关系数和条件数对气路测量参数的敏感性、相关性和诊断误差等进行了分析,最终从理论上选择了某舰船3轴燃气轮机气路性能监测诊断的测量参数。实例表明该理论方法具有一定的通用性和工程应用价值,对燃气轮机气路测量参数的选择有一定的指导作用。     

结合不确定度的发动机模型辨识气路诊断

针对航空发动机气路诊断中测量参数个数小于待诊断参数个数的不适定问题,利用了发动机平衡技术,结合非线性的发动机数学模型,并综合考虑了测量参数的不确定度和理论模型部件性能的不确定度,建立了一种结合不确定度的发动机气路故障诊断辨识算法——变分加权最小二乘法,并将该算法应用于某发动机的诊断分析中.结果表明:运用该方法可分析出测量数据和模型计算数据之间的差别,同时,利用所得的故障参数修正量修正原发动机数学模型,使模型计算推力与试验测量推力最大偏差由8.25%减小到1.66%,耗油率最大偏差由6.25%减小到1.50%.      

燃气轮机气路测量参数的模糊智能选择

针对燃气轮机气路性能的监测诊断需求,基于气路小偏差分析得到的影响系数矩阵,首先从测量参数选择的相关性要求出发,应用模糊聚类分析方法得到了要求数目的目标聚类;进一步从参数选择的敏感性等要求出发,通过模糊综合评价方法从多元素聚类中筛选出了各自的代表测量参数,从而实现了燃气轮机气路测量参数的模糊智能选择.实例表明:利用模糊聚类分析方法可直接实现测量参数的相关性选择,并可以方便可靠地根据目标要求选择合理的测量参数组合,利用模糊综合评价方法的测量参数的敏感性选择更为有效可靠.     

基于序列工作点的航空发动机过渡态气路分析参数选择研究

为了降低由多工作点分析(MOPA)方法的平均效应所产生的气路分析(GPA)系统误差,提出了基于航空发动机过渡工作过程的序列工作点分析(SOPA)技术,并以此为基础提出了一种系统的气路分析参数选择方法。该方法利用连续小波变换对时间信号的增强解析能力,提取待求健康参数在备选测量传感器上的参数特征,实现了在传感器安装受限条件下必要测量参数的选择。通过对SOPA子系统矩阵进行奇异值分解(SVD),获得了在过渡工作过程中不同时间片段上的健康参数可辨识性。针对大涵道比双轴分排涡扇发动机的参数分析结果表明:通过对待求健康参数的敏感性输出信号进行小波分析所确定的最简传感器布局,具备对全部待求健康参数的可辨识性;而以时间片段矩阵的条件数作为判据评估SOPA子系统的参数辨识能力,能够有效地确定具有高可靠性的SOPA时间片段位置,保证了对发动机气路部件健康状态的估计精度。